基于Pena距离的偏Laplace正态数据下位置回归模型的统计诊断

目前医学、社会学、生物等领域都存在尖峰、厚尾且偏斜的数据,针对这类数据,采用偏Laplace正态数据去拟合,得到的结果会更加精确。同时,在统计学中,异常点或强影响点对统计诊断的结果会产生很大的影响,因此对异常点或强影响点的诊断就显得尤为重要。常用的似然距离、Cook距离等研究删除一个(组)点对回归分析与预测值的影响,而Pena距离研究删除样本中各点对某一特定点回归值以及预测值的影响。基于此,在Pena距离下对偏Laplace正态数据下位置回归模型的影响分析进行了研究,利用EM算法对偏Laplace正态分布下的位置回归模型做了统计诊断。得到偏Laplace正态数据下位置回归模型下Pena距离的表达式以及高杠杆异常点的判别方法,并把Pena距离、Cook距离、似然距离进行比较,得到在某些情况下利用Pena距离检测异常点比Cook距离与似然距离更优。模拟与实例研究说明提出的模型与方法具有合理性。

基于Pena距离的偏正态数据下位置回归模型的统计诊断

Pena距离是研究偏态数据的一种有用工具.本文利用Pena距离研究了偏正态数据下位置回归模型的统计诊断问题,得到了位置回归模型下Pena距离的表达式,对其性质进行讨论,从而得到高杠杆异常点的判别方法. Pena距离与Cook距离、似然距离进行比较,得到在一定的条件下Pena距离优于Cook、似然距离.通过随机模拟试验研究和实例分析,表明本文提出的理论和方法是科学合理的.

基于偏正态数据下位置、均值回归模型的参数估计

偏正态分布是正态分布的扩展,它不仅具有正态分布的性质也有偏态分布的性质,在实际应用中比正态分布适用性更广泛.本文扩展了偏正态数据下的位置、均值回归模型,讨论了偏正态数据下位置、均值回归模型的参数估计,本文使用的偏正态分布是Sahu等(2003)提出的偏正态分布,相较于Azzalini(1986)提出的偏正态分布,其对于偏度参数的刻画相对简单,EM算法更容易实现.同时使用梯度下降法与EM算法研究了模型参数的极大似然估计,通过随机模拟和实例分析对比说明了两个模型的适用性.

偏正态数据下混合非线性位置回归模型的统计诊断

在经济、生物医学、环境科学等领域存在着这样一类混合数据,非对称、非线性并且还含有异常点或强影响点,如果只是简单的对总体数据进行诊断,得到的结果可能不精确.因此研究了偏正态数据下混合非线性位置回归模型的统计诊断,对混合数据总体不分类做诊断与分类后再做诊断相比较,发现分类后做诊断结果更精确.其次,将Pena距离推广到了偏正态非线性回归模型,给出了似然距离,Cook距离,Pena距离三个诊断统计量来判别异常点或强影响点,结果表明Pena距离对异常点更敏感,诊断效果略优于似然距离和Cook距离.最后,通过随机模拟试验研究和实例分析,表明文章提出的模型和方法是合理的.

基于偏Laplace正态数据下位置、均值回归模型的参数估计

参数估计是一种基本的统计推断形式,也是统计学的一个重要分支.在分析偏态数据时,我们比较关注数据的众数、中位数和均值,但是偏Laplace正态数据的众数和中位数难以精确求出,因此用位置参数来近似代替.故本文提出偏Laplace正态数据下位置和均值回归模型,并研究该模型的参数估计,模拟和实例研究结果表明本文提出的模型和方法是科学合理的.